風電產業研發資助政策的傳導效果實證研究

高 偉，吳昌松，喬光輝，王曉珍

(1.中國礦業大學 管理學院，江蘇 徐州 221116；2.南京航空與航天大學 經濟與管理學院，江蘇 南京 211106)

一、問題提出

實現主體能源更替和能源開發利用方式根本性變革，是第四次產業革命主要內容之一，美國、歐盟、日本、印度以及海灣國家，都希望通過制定可再生能源產業促進政策以期占領產業戰略制高點。1980s歐美可再生能源政策方向定位在研發激勵，1990s轉為需求側刺激(demand-side incentives)[1]，政策多涉及改善基礎設施、減免稅、補貼、上網電價等方面[2-5]。我國自20世紀70年代開始嘗試風電機組的開發，從1996年開始，啟動了“乘風工程”、“雙加工程”、“國債風電項目”、科技支撐計劃等一系列支持項目，發布幾百條政策，涉及財稅、金融、技術開發和并網等風電產業等環節，2015國家還專門設立400億元新興產業創業投資引導基金，寄希望通過加大研發資助力度來鼓勵風電企業自主創新[6]。證據表明，相關支持政策促進了風電產業生產能力快速提升，但是關鍵零部件依賴進口、產業整體技術水平不高局面沒有得到根本改變[7-8]，雖然研發資助政策促進企業重視技術創新，卻沒能實現國家層面技術追趕效應[9]，政策效果發生了偏移而導致激勵效果不足。

關于研發資助政策效果發生偏移的原因，以往研究涉及到政策的目標、定位、作用點以及政策的擠出效應等方面。有研究指出，我國產業政策目標多在于現期利潤和資產保值增值而非技術創新，政府部門追求的是利益最大化[10-11]。一些部門將政策支持簡單理解為財政補貼和無償資助，使得一些企業不當獲取了大量財政資助[12]。政策作用點轉型滯后，未能從科技刺激轉向知識產權維護政策[13]。研究也發現，政府研發資助與企業研發投入之間存在倒U形關系[14-16]，頻繁接受研發資助企業更有可能產生擠出效應[17-18]，弱化自主創新能力提升[19]。以往研究指出了研發資助政策工具類型、產生效應偏移的現象，找出了影響政策作用效果的因素，這些研究為揭示因素之間關系，揭示企業內部不同層級主體在創新過程中的動機差異[20]，打下了堅實的理論和實踐基礎。

最新研究認識到，研發資助政策需要傳導到企業內部層級中的創新相關主體才能發揮作用，因此，研究可再生能源產業政策作用效果，不但要關注政策工具的選擇和制定，也要關注政策工具對于創新主體行為的影響[21]。比如，以專利產出作為衡量企業創新績效時，由于企業存在“說一套做一套”(decouple)現象，一些專利或許只是為了迎合政府監管而非實質技術創新[22-25]。同時，曾經獲得資助的企業，在未來更容易獲得資助，可能會造成研發資助的路徑依賴，而非持續性技術創新[26]。最近，多層觀點理論(Multi-level Perspective)開始被用來分析政策對可再生能源促進作用的復雜性[26-27]，Albers(2013)等人分析了聯盟過程中企業內部各層級主體間關系[28]，這為分析政策在企業內部傳導過程提供了切入點和分析基礎。

總體來看，現有研究認識到研發資助政策存在定位偏差和擠出效應等問題，需要深入到企業內部分析各層級主體行為差異。本文在繼承規制理論分析基礎上，將企業視作政策直接作用主體，研發團隊視作政策間接作用主體，企業將政策傳遞到研發團隊，研發團隊直接產生創新績效。本文研究的問題：政策如何影響企業研發決策，如何從企業層面傳導到研發團隊層面,從而對研發績效產生影響。

本文的創新點：(1)理論方面，深化了研發資助政策實施效果研究。本文深入到企業內部層級，納入研發團隊主體，分析“政-企-研”三主體系統，把三主體相互關系作為解釋政策效用突破口，深入討論政策傳導過程中信號扭曲現象，為制定研發資助政策提供理論支持。(2)方法方面，針對傳統模型難以解決研發團隊決策內生性問題，本文構建內生轉換模型，測量政策支持對研發團隊不同決策狀態下創新產出的影響。(3)實踐方面，本文提出政策作用點選擇是影響政策效用的關鍵因素，決定政策效果主要因素是政策作用點而非研發資助投入量。

本文的安排如下：第二部分梳理了1999-2016我國風電產業的相關政策，描述風電產業政策從企業層面傳導到研發團隊層面過程，提出研發資助政策傳導效果的三個假設；第三部分是研究方法的選擇、數據來源與變量說明；第四部分分別對三個假設進行了驗證；第五部分是結論。

二、我國風電產業政策和研究假設

(一)我國風電產業相關政策

我國風電產業已經形成包括葉片、發電機、塔筒、輪轂、變槳偏航系統和齒輪箱等環節的完整產業鏈生產體系。其中，塔筒、葉片、發電機、輪轂產業化進程較快，國產化率較高，技術含量較低的葉片、塔筒出現了較為嚴重產能過剩狀況。作為風機的核心部件，齒輪箱和控制系統具有較高的技術壁壘，國內廠商與國外先進水平有較大差距。齒輪箱核心技術主要依靠技術引進以及與國外企業技術合作，而控制系統是國內零部件制造最薄弱的環節，嚴重依賴進口。就目前來看，現實中政策傳導到企業層面后大多轉變了對于產業規模的刺激因素，企業偏向于投資周期較短、技術含量較低產業環節，這與政策初衷不相符。

隨著《可再生能源法》的頒布，整體裝機容量快速擴張，風電產業發展質量也逐漸成為政府關注的焦點。截至2017年2月，我國涉及風電產業的相關政策數量如圖1所示。

我國政府從上世紀末開始對風電產業進行政策支持，1994年國家電力工業部下發《風力發電場并網運行管理規定(試行)》，1999年國家經貿委發布《關于進一步促進風力發電發展的若干意見》。在隨后幾個五年規劃期中，國家逐漸提高對可再生能源財政資金投入和稅收優惠的支持力度。在2006年，國家提高了關于支持風電等可再生能源的財政補貼與稅收優惠政策。2010年，國家開始關注海上風電的開發，鼓勵企業開展海上風電項目和研發。2012年之后，政策關注點開始轉向風電的并網和消納工作，積極促進風電儲能及運輸技術的研發。2013年以來，國家更關注風電產業的健康發展和產業的國際競爭力的培養。在這一過程中，國家還通過科技攻關計劃、863計劃、973計劃和產業化計劃，共安排10多億元的資金，支持風電等清潔能源領域先進技術的研發和產業化。我國政府發布風電相關政策及法規如表1所示。

(二)研究假設

政策在企業層面傳導過程可以概括為兩個階段：一是從政府到企業，政策以文件或指令形態向企業層面流動，影響企業決策；二是從企業到科研團隊，政策信號被企業處理后傳達給科研團隊。如圖2所示。

我國風電產業發展依賴政策糾正市場和系統失靈[30]，目前產業支持政策多是改善基礎設施、減免稅、補貼、上網電價[31]、國際化[32]等方面，這些政策強烈作用于市場需求擴展[33]，中短期可以有效地將可再生能源技術推向市場，但是引起了對技術進步促進效應的普遍質疑[34-35]。盡管證據表明，需求側政策促進了企業關注技術創新的程度[36]，但主要還是造成風電產業過度投資[37]。我國風電產業政策著力點單一，前期重數量輕質量，缺乏頂層設計[38]。

因此，有假設一：風電產業研發資助政策促進了產業規模擴張，對于創新投入激勵效果較弱。

表1 我國風電產業相關政策法規

資料來源：北大法寶數據庫及相關文獻整理獲得http://www.pkulaw.cn/

圖2 政策傳導的過程

企業-科研團隊傳導階段，研發資助信號從政府傳遞到企業。企業與科研團隊可以看作是委托代理關系，企業根據科研團隊提供的科研成果對其支付相應報酬。由于信息不對稱的存在，企業無法確切了解研發團隊投入情況，因此難以控制研發產出。政策的作用過程實質上是一個傳導過程，政策信號在企業層面發生轉變，即政策量的信號轉變成對于企業創新產出預期的調節因素，目的是解決復雜創新系統失靈問題[39-40]，但是，這一政策信號無法直接作用于研發團隊。丹麥風電實踐表明，產業促進政策可以提高企業在民間融資的杠桿率[41]，促進現有技術的充分運用，但是對于企業進行創新激勵的效果不明顯[42-43]。

因此，有假設二：研發資助政策促進企業提高創新投入，但無法顯著影響研發團隊的創新投入努力程度。

最近關于創新的研究傾向于從打開企業內部黑匣子角度分析企業研發的過程，強調解析企業內部的層級、組織結構和信息流動過程，研發過程中企業內部層級合作的關系。以往研究表明，直接決定研發績效的不是企業高層管理層級，而是研發團隊[44]。因此，評價研發資助政策效果的優劣，取決于政策是否可以從企業層面傳導到研發團隊層面，只有通過研發團隊的有效激勵才能實現研發資助政策作用的有效發揮。

因此，有假設三：研發資助政策的作用，依賴于有效研發團隊激勵。

三、研究設計

(一)研究方法的選擇

為驗證假設一，本文需要對風電產業規模以及創新投入進行測算。產業規模衡量指標相對較多，難點在于多因變量的量化處理相對困難。產業規模衡量指標存在較大的線性相關，為了保留更多具有變異程度較大指標信息，本文采用熵權法對指標進行加權。相對于主成分分析，熵權法利用信息熵的概念，確定各指標權重的大小。某個指標的熵值越小，表明該指標變異程度大，權重應該大；某個指標的熵值越大，表明該指標變異程度小，權重就小，這種賦權方式為確定指標的權重提供了一個客觀、公正的方法，該方法更加滿足本文的研究需要。

此外，應注意到，創新投入難以直接收集獲得以季度為時間跨度的數據，同時在新會計準則中研發支出資本化的條件比較嚴格。新準則規定，企業內部研究開發項目開發階段的支出，同時滿足完成該無形資產以使其能夠使用或出售在技術上具有可行性；具有完成該無形資產并使用或出售的意圖；無形資產產生經濟利益的方式以證明其有用性等五個條件的，才能予以資本化。

因此為保證數據季度連續性，本文對現金流量表中“購建固定資產、無形資產和其他長期資產所支付的現金”科目進行會計處理，作為衡量產業創新投入的樣本數據。可行性在于該科目反映企業購買、建造固定資產，取得無形資產和其它長期資產所支付的現金，不包括為購建固定資產而發生的借款利息資本化的部分，以及融資租入固定資產支付的租賃費。借款利息和融資租入固定資產支付的租賃費，在籌資活動產生的現金流量中單獨反映。公司以分期付款方式購建的固定資產，其首次付款支付的現金作為投資活動的現金流出，以后各期支付的現金作為籌資活動的現金流出。相比僅僅采用資本化的數據如“開發支出”、“研發費用”等數據可能會低估企業為創新活動所進行的投入，采用該數據可以更好地衡量企業在當期所投入的資金總量，同時由于創新投入具有長期性，該科目可以反映企業在長期投資方面的偏好，與企業的創新投入偏好有相通之處。但該科目多加入了企業在固定資產方面的支出，因此本文根據該科目的核算規則通過對該科目進行會計處理獲得，不能忽略的是該種核算方式若作為企業創新投入的決策變量可能會高估企業的創新投入，同時不能充分考慮企業現金規模等因素對其現金支出的制約。結合該數據較好地反映了企業的長期投入偏好，符合創新投入的經濟特性，因此本文通過結合企業的貨幣資金構建狀態空間模型對企業的創新投入決策進行測算，剝離出企業的邊際創新投入來解決上述問題。

由理論分析可知，由于政策對研發團隊作用無法直接觀測，因此直接進行傳統線性回歸可能會產生虛假回歸，本文采用多個不同的計量模型對相關假設進行驗證。具體而言，假設二的前半部份，為區分高、低投入，本文設定平均數原則，高于序列平均數則確定為高投入，低于該分位點的為低投入，在此基礎上本文構建二元選擇模型對相關假設進行驗證。

對于假設二后半部與假設三，由于傳統模型在估計時可能存在虛假回歸，主要計量原因在于變量存在內生性，研發團隊的決策不能作為外生變量存在，不可觀測因素同時影響著研發團隊決策與創新產出。因此本文通過構建內生轉換模型對相關假設進行驗證，優點在于其充分考慮了研發團隊決策對創新產出的影響，它借助兩種研發團隊的決策狀態定義的轉換方程對高投入與低投入決策狀態下的樣本進行刻畫，以校正選擇偏差，得到一致性的估計，還可以估計出政策支持對不同決策狀態下的創新產出的異質性影響。

(二)數據來源與變量說明

我國風電產業數據統計口徑以及完整性很難滿足本文實證研究的需要，因此本文選取我國風電產業上市公司(風能板塊企業)數據并對其進行篩選整理作為樣本進行實證研究。將研究時間跨度定為2007年第一季度～2016年第三季度，原因在于2006年2月財政部在北京舉行會計審計準則體系發布會，39項企業會計準則正式公布，上市公司在2007年開始執行新的會計準則。由于本文對上市公司相關數據進行較多會計處理，選取該時間段保證了數據核算的一致性。

本文數據主要來源于CCER經濟金融研究數據庫，此外專利數據來源于國家知識產權局及SooPAT專利數據庫逐家查找所得。由于本文命題一和命題二前半部使用的數據為多家風電相關上市公司數據加總的形成的產業數據，即形成了衡量風電產業狀態時間序列數據。在此期間，本文剔除樣本期間內ST、*ST(Special Treatment)企業樣本數據。在使用時間序列時，數據選擇的部分樣本企業在樣本期間內企業名稱(簡稱及全稱)發生較大改變，在此列示最后一期(2016年第三季度)也是全部樣本企業名單(簡稱)，見表2。

本文所用變量如表3所示。

1.產業規模

本文選取流動資產、固定資產以及所有者權益作為產業規模衡量指標，原因在于資產科目反映了企業可支配物資，企業規模擴張通常表現在固定資產增加，流動資產可從更靈活角度來刻畫企業運用資產的狀況，各種形態資金與生產流通緊密相結合，使規模衡量更加全面。作為資產狀況的補充，所有者權益可以刻畫企業資產扣除負債后由所有者享有剩余權益，可以反映投資者為獲取收益所必需承擔風險，對于該數據選取可以更好衡量投資者進入該行業情況。

如前文所述，本文通過熵權法計算綜合得分最后獲得代表產業規模的樣本數據。

表2 樣本企業名稱

圖3 我國風電產業鏈主要企業分布圖

2.政策支持

本文選擇研發資助作為衡量指標，原因在于該數據完整性最好，具有很好的可量化性，此外，相對于其他政策支持，企業更希望得到國家的資金支持，研究資助是企業對政策刺激最為敏感的因素。考慮到數據可獲得性并結合理論分析，本文用企業現金流量表中的研發資助刻畫政策對企業創新活動的支持。

3.研發投入與貨幣資金

本文對“購建固定資產、無形資產和其他長期資產所支付的現金”科目進行會計處理，計算公式如下：

Φt,i=φt,i-(ΔΛt,i+ΔΘt,i)

(1)

表3 模型變量及符號設計

其中，Φt表示i企業在第t期處理后的創新投入的數據，φt表示i企業在第t期的“購建固定資產、無形資產和其他長期資產所支付的現金”，ΔΛt,i=λt,i-λt-1,i，λt,i表示i企業在第t期的“工程物資”，ΔΛt,i表示i企業在第t期“工程物資”的增量，ΔΘt,i=θt,i-θt,i，θt,i表示i企業在第t期的“在建工程”，ΔΘt,i表示i企業在第t期“在建工程”的增量，由于此類指出資本化較為容易，因此可以通過資產負債表中的科目進行測算并從科目“購建固定資產、無形資產和其他長期資產所支付的現金”中剝離掉該類支出。為充分考慮資金約束對企業創新投入的制約，本文選擇結合貨幣資金數據對企業創新投入傾向進行測算。

4.單位專利帶來的凈利潤

凈利潤可以反映專利在申請后可以帶來的收益，匹配了理論分析中對研發團隊績效考核的要求。本文采用平均值原則對該數據進行處理，獲得研發團隊決策變量。

5.其他控制變量

參考已有文獻，本文選擇銷售費用、財務費用、權益性投資所支付的現金、經營活動產生的現金流出作為控制變量，分別反映企業在經營過程中不同方面的貨幣支出，而這些支出都會對創新產出產生影響。

四、實證分析

(一)假設一的驗證

1. 產業規模指標計算

如前文所述，為驗證假設一本文采用熵權法對具有較高相關性的產業規模衡量指標進行加權并測算綜合得分，首先本文進行Pearson相關性檢驗分析關鍵變量間的相關性，測量結果如表4所示：

表4 Pearson相關性檢驗結果

**表示在0.01水平(雙側)上顯著相關；*表示在0.05水平(雙側)上顯著相關。

如表4所示，流動資產、固定資產、所有者權益三者的Pearson相關性系數均大于0.9，這表明這三個指標具有較高的相關性，驗證了全文分析。此外還可以看出研發資助與以上三者Pearson相關性系數要大于研發投入與三者的Pearson相關性系數，這也從側面反映了研發資助與之相關性更強。為了獲得表示產業規模的綜合得分，本文運用熵權法對數據進行處理計算得到變量Cap用以衡量產業規模，計算結果如圖4所示。

圖4 衡量產業規模的綜合得分

2. 研發資助對產業規模的作用

如前文所述，本文運用熵權法構建綜合指數，使變量受到了一定的限制，因此本文對變量Sub進行標準化并構建截斷回歸模型對相關參數進行估計，考慮下面的潛在因變量回歸模型：

Cap=C+β1Sub+ε

(2)

式中，Cap只在0<βSub+ui<1時才能取得樣本觀測值，ε為隨機誤差項。本文采用極大似然估計對模型參數進行估計，此時極大似然估計的密度為條件密度，根據誤差項分布的不同，模型可被分為三類，為保證結論穩健性，本文在三種不同分布設定下依次進行參數估計，估計結果如表5所示：

表5 誤差項不同分布設定下的估計結果

**表示在0.01水平上顯著相關；*表示在0.05水平上顯著相關。

3. 狀態空間模型構建與創新投入偏好測算

狀態空間模型被用來估計不可觀測的時間變量，利用狀態空間模型表示動態系統主要有兩大優點，第一，狀態空間模型將不可觀測的變量(狀態變量)并入可觀測模型并與其一起得到估計結果；第二，狀態空間模型利用強有力的迭代算法——卡爾曼濾波進行估計繼而獲取更加穩健的估計結果。為了得到不可觀測的變量MRDI(創新投入偏好)，本文構建狀態空間模型：

測量方程：

RDIt=-84.9829+MRDIt*Cash

(3)

狀態方程：

MRDIt=0.3592-0.0743MRDIt-1

(4)

得到時間序列MRDIt，最終狀態變量估計結果如表6所示：

表6 最終狀態變量估計結果

4.研發資助對創新投入的作用

與前文所述相似，由于本文估計創新投入偏好均為受限因變量，因此本文對變量Sub進行標準化并構建截斷回歸模型對相關參數進行估計，考慮下面潛在因變量回歸模型：

MRDI=C+β2Sub+ε

(5)

式中，ε為隨機誤差項。本文采用極大似然估計對模型參數進行估計，根據誤差項分布不同，模型可被分為三類，為保證結論穩健性，本文在三種不同分布設定下依次進行參數估計，估計結果如表7所示：

表7 誤差項不同分布設定下的估計結果

**表示在0.01水平上顯著相關；*表示在0.05水平上顯著相關。

5.假設驗證與說明

根據估計參數，結果顯示0<β2<β1，這說明，在不考慮其他條件的情況下，研發資助越多，產業規模與企業創新的邊際投入均會增加，但比較兩個估計參數大小可知，研發資助對產業規模的正向影響要大于對創新投入影響，假設一得證。

(二)假設二前半部的驗證

如前文所述，本文構建如下二元選擇模型：

MRDID=C+β3Sub+ε

(6)

式中，ε為隨機誤差項。由于殘差分布函數的類型決定了二元選擇模型的類型，根據分布函數的不同，本文分別構建Probit、Logit、Extreme模型，回歸結果如表8所示。

如表7所示，二元選擇模型的估計系數均為正，這表明研發資助越多，企業采取較高投入的概率越大，假設二前半部得證。

表8 不同殘差分布函數設定下的估計結果

**表示在0.01水平上顯著相關；*表示在0.05水平上顯著相關。

(三)假設二后半部與假設三的驗證

如前文所述，由于傳統估計方法較難克服變量內生性問題，因此本文構建內生轉換模型對相關假設進行驗證，基本模型如下:

Pat=βiXi+α·RPD+ε

(7)

其中，Xi中包含銷售費用、財務費用等經過平均數原則處理的虛擬變量；研發團隊決策變量RPD同樣為經過平均數原則處理的虛擬變量，RPD=1表示研發團隊積極工作，RPD=0表示研發團隊消極工作；ε為隨機誤差項。

需要注意的是，模型中的RPD不能被視為外生變量，研發團隊工作態度決策是基于自身偏好以及企業激勵的自選擇，不可觀測因素也影響著研發團隊工作態度的決策與創新產出，可以考慮為研發團隊工作態度決策變量建模如下：

RPD*=γiZi+ui

(8)

其中，RPD*表示潛在的研發團隊工作態度決策凈收益，研發團隊根據自身偏好進行工作態度決策。如果研發團隊選擇積極工作則RPD=1，否則RPD=0，Z表示可觀測到向量，除了企業研發投入外，還包含管理費用，以控制不同企業在監督過程中所花費的投入。

每個研發團隊i基于不同工作態度決策，具有不同創新投入，不同選擇下研發團隊行為表現的機制可能是不同的。對于總樣本而言，兩種工作態度決策下潛在創新產出結果(Pat1i，Pat0i)可以表示為：

Pat1i=β1X1i+ε1i，ifRPDi=1

(9)

Pat0i=β0X0i+ε0i，ifRPDi=0

(10)

E(ε1i|RPDi=1)=E(ε1i|γiZi+ui>0)=

(11)

E(ε0i|RPDi=0)=E(ε0i|γiZi+ui<0)=

(12)

Pat1i=β1X1i+σ1uλ1i+w1i，對于RPDi=1的樣本

(13)

Pat0i=β0X0i+σ0uλ0i+w0i，對于RPDi=0的樣本

(14)

基于上述方法，本文估計結果如表9所示。

表9 內生轉換模型估計結果

**表示在0.01水平上顯著相關；*表示在0.05水平上顯著相關。

如表9所示，研發資助對研發團隊影響的參數估計不顯著，表明研發資助并不顯著影響研發團隊決策，假設二后半部得證；此外，當研發團隊決策為積極努力時，研發資助變為正向顯著影響創新產出，與之相反，研發團隊采取消極策略時，研發資助并不顯著影響創新產出，表明研發資助依托于研發團隊決策發揮作用，假設三得證。

五、結論

以往研究一再表明，政府研發資助不一定會促進企業創新效率，比如R Bronzini, P Piselli (2016)認為研發資助提高了小企業專利申請的概率，但是對于大型和中型企業的作用不明顯[45]，歐洲援助波蘭基礎設施和人力資本提升資金在促進創新方面是無效率的，甚至還起到阻礙作用[46]。在這些研究基礎之上，本文進一步從研發資助政策的傳導過程視角研究了產生這一現象的原因。本文實證研究表明：研發資助越多，產業規模與企業創新的投入均會增加，但研發資助對產業規模的正向影響要大于對創新投入的影響；研發資助越多，企業采取較高投入的概率越大，但是創新效率不一定越高，原因在于研發資助并不顯著影響研發團隊決策；當研發團隊決策為積極努力時，研發資助變為正向顯著影響創新產出，與之相反，研發團隊采取消極策略時，研發資助并不顯著影響創新產出，表明研發資助依托于研發團隊決策發揮作用。

本文以風電產業為例，通過搜集風電產業主要企業數據，解釋了研發資助政策對于企業的作用，更為重要的是深入到“企業-研發團隊”微觀層面，分析了研發資助企業層面傳導，揭示了研發資助政策對于企業和研發團隊作用的不同。本文的實踐價值在于指出了研發資助政策傳遞到企業層面后會發生轉化，政策作用的發揮依賴對研發團隊的有效激勵，該命題表達了重要的邏輯線索，即需要將科研人員作為研發資助政策目標激勵對象，需要據此制定研發資助政策的直接作用靶點。

[1]Hoppmann J. The role of deployment policies in fostering innovation for clean energy technologies: insights from the solar photovoltaic industry[J]. Business & Society, 2015, 54(4): 540-558.

[2]Mondal M A H, Hawila D, Kennedy S, et al. The GCC countries RE-readiness: Strengths and gaps for development of renewable energy technologies[J]. Renewable and Sustainable Energy Reviews, 2016, 54: 1114-1128.

[3]戴亦欣,胡賽全.開放式創新對創新政策的影響——基于創新范式的視角[J].科學學研究,2014,32(11):1723-1731.

[4]Bean P, Blazquez J, Nezamuddin N. Assessing the cost of renewable energy policy options-A Spanish wind case study[J]. Renewable Energy, 2017, 103: 180-186.

[5]Atalay Y, Kalfagianni A, Pattberg P. Renewable energy support mechanisms in the Gulf Cooperation Council states: Analyzing the feasibility of feed-in tariffs and auction mechanisms[J]. Renewable and Sustainable Energy Reviews, 2017, 72: 723-733.

[6]Gippner O, Torney D. Shifting policy priorities in EU-China energy relations: Implications for Chinese energy investments in Europe[J]. Energy Policy, 2017, 101: 649-658.

[7]Curran L, Lv P, Spigarelli F. Chinese investment in the EU renewable energy sector: Motives, synergies and policy implications[J]. Energy Policy, 2017, 101: 670-682.

[8] Zhang S, He Y. Analysis on the development and policy of solar PV power in China[J]. Renewable and Sustainable Energy Reviews, 2013, 21: 393-401.

[9]Qiu Y, Ortolano L, Wang Y D. Factors influencing the technology upgrading and catch-up of Chinese wind turbine manufacturers: Technology acquisition mechanisms and government policies[J]. Energy Policy, 2013, 55: 305-316.

[10]梁 正.從科技政策到科技與創新政策——創新驅動發展戰略下的政策范式轉型與思考[J]. 科學學研究, 2017(2):170-176.

[11]Qiu Y, Ortolano L, Wang Y D. Factors influencing the technology upgrading and catch-up of Chinese wind turbine manufacturers: Technology acquisition mechanisms and government policies[J]. Energy policy, 2013, 55: 305-316.

[12]孫玉濤,劉鳳朝.中國企業技術創新主體地位確立——情境、內涵和政策[J].科學學研究,2016(11):1716-1724.

[13]余明桂,范 蕊,鐘慧潔.中國產業政策與企業技術創新[J].中國工業經濟,2016(12):5-22.

[14]Guellec D, Van Pottelsberghe De La Potterie B. The impact of public R&D expenditure on business R&D[J]. Economics of innovation and new technology, 2003, 12(3): 225-243.

[15]Pingfang Z H U, Weimin X U, Lundin N. The impact of government’s fundings and tax incentives on industrial R&D investments—Empirical evidences from industrial sectors in Shanghai[J]. China Economic Review, 2006, 17(1): 51-69.

[16]G?rg H, Strobl E. The effect of R&D subsidies on private R&D[J]. Economica, 2007, 74(294): 215-234.

[17]Wallsten S J. The effects of government-industry R&D programs on private R&D: the case of the Small Business Innovation Research program[J]. The RAND Journal of Economics, 2000: 82-100.

[18]L??f H, Hesmati A. The impact of public funding on private R&D investment. New Evidence from a Firm Level Innovation Study (Additionality or Crowding Out? On the effectiveness of R&D subsidies)[Z]. 2004.

[19]張 杰,陳志遠,楊連星等.中國創新補貼政策的績效評估:理論與證據[J].經濟研究,2015,(10):4-17.

[20]王曉珍,彭志剛,高偉等.我國風電產業政策演進與效果評價[J].科學學研究,2016,(12):1817-1829.

[21]Cheng Q, Yi H. Complementarity and substitutability: A review of state level renewable energy policy instrument interactions[J]. Renewable and Sustainable Energy Reviews, 2017, 67: 683-691.

[22]Wagner S, Wakeman S. What do patent-based measures tell us about product commercialization? Evidence from the pharmaceutical industry[J]. Research Policy, 2016, 45(5): 1091-1102.

[23]Yan H, et al. A critical review of factors affecting the wind power generation industry in China[J].Renew Sustain Energy Rev, 2013, 19: 499-508.

[24]Li C B, et al. Comprehensive assessment of flexibility of the wind power industry chain[J].Renew Energy, 2015, 74: 18-26.

[25]黎文靖，鄭曼妮. 實質性創新還是策略性創新?——宏觀產業政策對微觀企業創新的影響[J]. 經濟研究，2016，(4)：60-73.

[27]Yuan J, et al. Managing electric power system transition in China[J].Renew Sustain Energy Rev, 2012, 16: 5660-5677.

[28]Walrave B, Talmar M, Podoynitsyna K S, et al. A multi-level perspective on innovation ecosystems for path-breaking innovation[J]. Technological Forecasting and Social Change, 2017.

[29]Albers S. Cooperation and competition dynamics of business networks: A strategic management perspective[R]. Working Paper, Department of Business Policy and Logistics, University of Cologne, 2013.

[30]Dillig M, Jung M, Karl J. The impact of renewables on electricity prices in Germany—An estimation based on historic spot prices in the years 2011-2013[J]. Renewable and Sustainable Energy Reviews, 2016, 57: 7-15.

[31]Zhao X, Li S, Zhang S, et al. The effectiveness of China’s wind power policy: An empirical analysis[J]. Energy Policy, 2016, 95: 269-279.

[32]Zhang S, Wang W, Wang L, et al. Review of China’s wind power firms internationalization: Status quo, determinants, prospects and policy implications[J]. Renewable and Sustainable Energy Reviews, 2015, 43: 1333-1342.

[33]Wu Z, Sun H, Du Y. A large amount of idle capacity under rapid expansion: Policy analysis on the dilemma of wind power utilization in China[J]. Renewable and Sustainable Energy Reviews, 2014, 32: 271-277.

[34] Hua Y, Oliphant M, Hu E J. Development of renewable energy in Australia and China: A comparison of policies and status[J]. Renewable Energy, 2016, 85: 1044-1051.

[35]高 瑜.“十三五”風電產業發展的新思維、新戰略與新突破[J].宏觀經濟管理,2016,(12):46-50.

[36]Ru P, Zhi Q, Zhang F, et al. Behind the development of technology: The transition of innovation modes in China’s wind turbine manufacturing industry[J]. Energy Policy, 2012, 43: 58-69.

[37]Liu X. The value of holding scarce wind resource—A cause of overinvestment in wind power capacity in China[J]. Energy Policy, 2013, 63: 97-100.

[38]王璽,李桂君.政策創新驅動新能源產業發展——關于中國風電產業稅收政策研究[J].中國軟科學,2014,(12):170-178.

[39]Frenken K. A complexity-theoretic perspective on innovation policy[J]. Complexity, Governance & Networks, 2017 (1): 35-47.

[40]Jenson I, Leith P, Doyle R, et al. Innovation system problems: Causal configurations of innovation failure[J]. Journal of Business Research, 2016, 69(11): 5408-5412.

[41]Botta E. The role of industrial policies in the development of a competitive wind energy industry: The danish and chinesesectoral innovation systems[J]. Politicaeconomica, 2016, 32(2): 211-252.

[42]Ruester S, Schwenen S, Finger M, et al. A post-2020 EU energy technology policy: Revisiting the strategic energy technology plan[J]. Energy Policy, 2014, 66: 209-217

[43]Freitas I M B, Dantas E, Iizuka M. The Kyoto mechanisms and the diffusion of renewable energy technologies in the BRICS[J]. Energy Policy, 2012, 42: 118-128.

[44]Albers S, Wohlgezogen F, Zajac E J. Strategic alliance structures: An organization design perspective[J]. Journal of Management, 2016, 42(3): 582-614.

[45]Bronzini R, Piselli P. The impact of R&D subsidies on firm innovation[J]. Research Policy, 2016, 45(2): 442-457.

[46]Szczygielski K, Grabowski W, Pamukcu M T, et al. Does government support for private innovation matter? Firm-level evidence from two catching-up countries[J]. Research Policy, 2017, 46(1): 219-237.